JP2003508746A - 分光装置を較正する方法 - Google Patents

分光装置を較正する方法

Info

Publication number
JP2003508746A
JP2003508746A JP2001520085A JP2001520085A JP2003508746A JP 2003508746 A JP2003508746 A JP 2003508746A JP 2001520085 A JP2001520085 A JP 2001520085A JP 2001520085 A JP2001520085 A JP 2001520085A JP 2003508746 A JP2003508746 A JP 2003508746A
Authority
JP
Japan
Prior art keywords
slope
calibration
range
limit
invasive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2001520085A
Other languages
English (en)
Other versions
JP4636762B2 (ja
Inventor
セオドア， イー． カデル，
Original Assignee
シーエムイー テレメトリックス インク．
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by シーエムイー テレメトリックス インク． filed Critical シーエムイー テレメトリックス インク．
Publication of JP2003508746A publication Critical patent/JP2003508746A/ja
Application granted granted Critical
Publication of JP4636762B2 publication Critical patent/JP4636762B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1495—Calibrating or testing of in-vivo probes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Emergency Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Paper (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

(57)【要約】 本発明は、サンプルにおける検体レベルの非侵襲的な測定を提供するための分光装置を較正する方法を提供する。該方法は、（ａ）複数の較正アルゴリズムを提供するステップと；（ｂ）前記分光装置でもって、前記サンプルの非侵襲的測定値集合を取得するステップと；（ｃ）非侵襲的測定値集合に応答して各々の較正アルゴリズムに対する予測検体レベル集合を計算するステップであって、前記予測検体レベル集合の各々が、変動範囲、勾配、Ｒ２（前記非侵襲的測定値集合と前記予測検体レベル集合との間の相関関係の二乗）及び標準予測誤差により特徴付けられているステップと；（ｄ）予測検体レベル集合の各々に関する変動範囲、勾配、Ｒ２及び標準予測誤差に基づく適合性スコアを使用して適切な較正アルゴリズムを選択するステップとを含む。ステップ（ａ）において適切な較正アルゴリズムを生成する方法をも提供する。

Description

【発明の詳細な説明】
【０００１】
【技術分野】
本発明は、分光法、分光光度法及びケモメトリックス（ｃｈｏｅｍｏｍｅｔｒ
ｉｃｓ）の分野に関する。特に、本発明は、非侵襲的方法で検体のレベルを予測
するための分光装置を較正する方法に関する。本発明の方法は、近赤外分光光度
測定に基づく血糖の予測に特に適する。
【０００２】
【背景技術】
生物工学的分析及び検査は、多くの場合、血液、間質液又は生体組織のような
生物学的マトリックスの組成にある様々な化学的検体の測定に基づくことが多い
。こうした測定は、患者の健康状態を評価し、処置が必要な場合、どのような処
置が必要かを決定するために使用され得る。たとえば、グルコース測定器をもっ
て糖尿病患者の血糖レベルを頻繁に監視することは、患者が必要に応じてインス
リン注射を行うか又は経口薬を摂取して血糖を低下させることにより、糖尿病を
管理するために必要であることが多い。頻繁な血糖測定に基づく集中的な処置は
、失明、腎臓の損失及び糖尿病に付随するその他の合併症の発生を著しく減少さ
せることができる。
【０００３】 殆どの家庭用グルコース測定システムでは、患者が、指に針を刺して侵襲的に
血液サンプルを収集し、サンプルを適切な試験片上に配置して、サンプルを光学
的グルコース測定器で試験する必要がある。世界中の何百万人もの糖尿病患者に
とって、インスリンレベルを監視するために血液を抽出すべくランセット又はそ
の他の鋭利な器具を使用することは苦痛な過程であり、患者の指にはたこができ
ていることが多く、その場合は血液の収集がさらに難しくなる。侵襲的な手順を
子どもに行うことは特に難しく、両親にとっては特に骨の折れることである。さ
らに、各血液サンプルに必要な試験片は一般に再使用できず、毎日何度か測定を
行う場合、患者の観点からは著しくコストがかさむことになる。したがって、糖
尿病患者の多くは、毎日数回の測定を行うべきであるという事実にも関わらず（
特定の個人の場合、医師は、毎日４〜７回グルコースレベルを試験することを勧
める）、苦痛、コスト及び不便という点で、多くの糖尿病患者は、グルコースレ
ベルをそれ程頻繁には監視していない。
【０００４】 分光法は、入射光が、分析上関係のある分子の振動及び回転状態とどのように
相互作用するかという分析に基づく。分光測定技術は、異なる化学物質又は検体
の濃度を迅速かつ非侵襲的に測定できるという点で、次第に一般的になってきた
。上記の理由から、これは、家庭用グルコース測定器に特に望ましい。分光光度
法は、サンプル溶液又は媒体の吸収スペクトルにおけるスペクトルエネルギー分
布に基づいて検体の濃度を定量測定するために通常使われる一種の分光法である
。分光光度法では、エネルギー分布は一般に、可視スペクトル、紫外スペクトル
、赤外スペクトル又は近赤外スペクトルの範囲内で分析される。たとえば、近赤
外線（ＮＩＲ）は、約０．７５から２．５μｍ（つまり、１５０〜４００ＴＨｚ
）の間の波長を有する電磁輻射線である。近赤外分光光度法では、単色光分光器
の石英プリズム及び吸収帯域を観察するための検出器として硫化鉛光伝導セルを
備える器具が一般に使用され、ＮＩＲ分光光度法は、グルコース、全ヘモグロビ
ン、アルブミン、コレステロール及びエタノールのような検体を生体内で測定す
るために次第に使用されるようになってきている。
【０００５】 人体におけるグルコースの非侵襲的分光光度測定は、入射光線源（つまり光源
）を人体の特定部分に収束させて、当該部分を介して透過される輻射線のスペク
トル分布を検出して行われる。入射線からの光の吸収は、水分、脂肪、蛋白質、
ヘモグロビン、メラニン及びグルコースを含む当該人体部分内の化学成分による
。グルコース測定スペクトル分析での１つの問題は、血液中に見られるグルコー
スと、多くの場合グルコースより多量のその他の化学物質との間でのスペクトル
の重なりである。加えて、入射光線が通過する皮膚、骨及び血液の厚さ、色及び
構造は、入射光線の透過（又は反射／吸収）に影響を及ぼす。さらに、検体の濃
度は、活動レベル、食事、ホルモンの変動及びその他の要素の変化に応じて変化
し得る。グルコース濃度の測定も、温度、圧力、湿度及び皮膚の水和作用を含む
物理的及び化学的条件の変化により特に影響を受けやすい。したがって、確実な
非侵襲的グルコース予測を行うには、人体の血管が均衡な領域でＮＩＲスペクト
ル測定を行うべきであり、ＮＩＲグルコース分光光度計は、ＮＩＲグルコース計
からの未処理のスペクトル情報の質が高度であるように、注意して設計しなけれ
ばならない。概して、IEEE LEOS Newsletter第１２巻、第２号（１９９８年４月
）のWaynant及びChenault著「Overview of Non-Invasive Optical Glucose Moni
toring Techniques」（非侵襲的光学的グルコース監視技術）並びにIEEE LEOS N
ewsletter第１２巻、第２号（１９９８年４月）のBurmeister及びArnold著「Spe
ctroscopic Considerations for Noninvasive Blood Glucose Measurements Wit
h Near Infrared Spectroscopy」（近赤外分光法による非侵襲的血糖値測定に関
する分光学的考察）を参照のこと。
【０００６】 近赤外グルコース測定は、組織の深さが約１ｍｍ〜１０ｃｍの場合に一般に適
しており、患者の指の先端を使って行われることが多いが、人体のその他の領域
（たとえば、２本の指間の皮膜、耳たぶ又は上唇）も使用することができる。サ
ンプルの厚さは、重要な実験上のパラメータである。なぜなら、サンプルが厚く
なると吸収量が増加し、その結果、検出の最低限度が低下するが、比較的厚いサ
ンプルを完全に通過する（つまり、吸収されない）入射光線は減少し、事実上ス
ペクトルのノイズを増加するからである。上記Burmeister及びArnold参照。
【０００７】 ＮＩＲ分光光度法をもって正確なスペクトル測定値を取得することの困難性に
加えて、こうした測定に関連してさらに重要な困難性は、たとえば検体の濃度及
び変動性が実質的に異なる様々な異なる個人が使用できるように、こうした器具
を較正する必要があることである。分光光度計（及び概して分析器具）の較正は
、こうした器具により行われる測定の精度を確保するために必要である。
【０００８】 先行技術では、検体（たとえばグルコース）レベルを較正及び予測する２種類
の方法が使用されてきた。第１の方法では、器具が使用される各個人に対して個
々に完全な較正過程が行われる。この個々の較正過程では、長期にわたって個人
から多数の血液サンプルを採取し、これらサンプルから基準グルコース濃度測定
値を取得する必要がある。多数の対応する非侵襲的分光測定値を同時に取得し、
たとえば線形回帰分析により非侵襲的測定値を基準測定値と相関させるべく、較
正回帰分析を実施する。この方法では、分光装置又は分光光度計は、特定の個人
に応じて特別に較正される。しかし、この方法の主な不利益は、較正モデルが、
関連する検体のスペクトルに重なる（これらスペクトルに干渉する）スペクトル
の変動に関する不十分な情報量を有し得る特定個人からのデータに限定されるこ
とである。きわめて正確な検体を予測できるように、こうしたスペクトルを特徴
付けることができることは重要である。この問題を軽減するため、各個人に応じ
た特別な較正過程が毎日でも頻繁に行われるべきであろう。
【０００９】 別法による較正方法では、全般的又は一般的な較正アルゴリズムを開発する必
要がある。この方法は、多数の較正測定値を取得することにより（第１の方法と
同様）、重複する又は干渉するすべての検体個々の変動性すべてを十分に考慮す
る単一の較正モデルを計算することができるという概念に基づく。ケモメトリッ
クス、つまり数学的、統計的かつ形式的な論理方法を化学に応用する方法は、ス
ペクトル強度データを処理及び計算して、較正モデルを生成するために一般に使
用される。IEEE LEOS Newsletter第１２巻、第２号（１９９８年４月）のSmall
及びArnold著「Data Handling Issues for Near-Infrared Glucose Measurement
s」（近赤外グルコース測定に関するデータ処理の問題）及び分析化学第６８号
、２６６３〜２６７５ページ（１９９６年）のShaffer, Small及びArnold著「Ge
netic Algorithm-Based Protocol for Coupling Digital Filtering and Partia
l Least-Squares Regression: Application to the Near-Infrared Analysis of
Glucose in Biological Matrices」（ディジタルフィルタリング及び部分最小
二乗法回帰のための一般的なアルゴリズムに基づくプロトコル：生物学的マトリ
ックスにおけるグルコースの近赤外分析に対する応用）を参照のこと。しかし、
個々のサンプルごとに明確に異なって変化するグルコース及びその他の検体を測
定する場合、単一の一般的な較正アルゴリズムは、効果がないことが多く、検体
濃度レベルの重大な時には危険な誤った予測を行う可能性がある。
【００１０】 したがって、ＮＩＲ測定は、グルコースレベルを監視すべく非侵襲的で迅速で
あり、痛みのない便利な技術を提供するが、真のグルコースレベルを取得するた
めにスペクトル測定値を相関させて臨床的に解釈することは、適切な治療及び疾
患の管理に重要である。様々な患者母集団（人種、年齢、体重などが異なる）の
ための器具を適切に較正することは、正確なグルコース予測モデルを取得する上
で重要である。さらに、非侵襲的結果及びグルコース予測式を念入りに評価及び
試験することは、臨床上重要なすべての条件で、すべての又は少なくとも殆どの
タイプの患者についてグルコース相関関係が矛盾していないかを決定するために
必要である。
【００１１】
【発明の開示】
本発明は、第１態様では、サンプルにおける検体レベルの非侵襲的な測定を提
供するための分光装置を較正する方法であって： （ａ）複数の較正アルゴリズムを提供するステップと； （ｂ）前記の分光装置でもって前記サンプルの非侵襲的測定値集合を取得する
ステップと； （ｃ）非侵襲的測定値集合に応答して各々の較正アルゴリズムに対する予測検
体レベル集合を計算するステップであって、予測検体レベル集合の各々が、変動
範囲、勾配、Ｒ２（前記非侵襲的測定値集合と前記予測検体レベル集合との間の
相関関係の二乗）及び標準予測誤差により特徴付けられているステップと； （ｄ）各々の予測検体レベル集合に関する変動範囲、勾配、Ｒ２及び標準予測
誤差に基づく適合性スコアを使用して適切な較正アルゴリズムを選択するステッ
プとを含む方法を提供する。
【００１２】 好ましくは、ステップ（ｄ）は、請求項１記載の方法を含み、 （ｉ）標準予測誤差が誤差の上限未満であり、変動範囲が範囲の下限を超え、
勾配が勾配下限と勾配上限との間にあり、前記の勾配下限及び勾配上限が許容可
能な勾配範囲を規定する予測検体レベル集合を選択するステップと； （ｉｉ）ステップ（ｉ）で選択された予測集合の各々について、当該予測集合
に対する勾配、Ｒ２及び標準予測誤差に応答して適合性スコアを計算し、最適な
（最高）適合性スコアを有する予測集合に対応する較正アルゴリズムを適切な較
正アルゴリズムとして選択するステップと； （ｉｉｉ）ステップ（ｉ）で予測集合が選択されない場合、変動範囲が範囲の
下限未満であり、標準予測誤差が誤差の上限未満である予測検体レベル集合を選
択するステップと； （ｉｖ）ステップ（ｉｉｉ）で選択された予測集合の各々から最も低い標準予
測誤差を有する予測集合に対応する較正アルゴリズムを適切な較正アルゴリズム
として選択するステップと； （ｖ）ステップ（ｉ）又はステップ（ｉｉｉ）で予測集合が選択されない場合
、較正アルゴリズムが適切ではないと決定するステップとを含む。
【００１３】 また、好ましくは、許容可能な勾配範囲は、第１レベル及び１つ又は複数の次
のレベルを含む複数のレベルに対応する複数の副次的範囲に再分割されてもよく
、第１レベルで予測集合が選択されない場合、予測集合が選択されるか又は次の
レベルがなくなるまで次の各レベルでステップ（ｉ）を繰り返す。
【００１４】 好ましくは、ステップ（ａ）で得られた複数の較正アルゴリズムは、 （ｉ）多数のサンプル各々に対する検体レベル測定の非侵襲的な対応基準デー
タ集合をコンパイルするステップと； （ｉｉ）較正に適さないデータ集合を拒絶するステップと； （ｉｉｉ）結合データ集合の相関関係が予め決められた規準に適合するかどう
かに応じて較正に適するデータ集合を複数の群に結合するステップと； （ｉｖ）データ集合の各群に対する較正アルゴリズムを生成するステップとに
より最初に生成される。
【００１５】 本発明の方法のステップ（ａ）、（ｃ）及び（ｄ）は、分光装置に付随された
コンピュータで行われてもよい。さらに、サンプルは個々の患者であり、分光装
置は近赤外分光光度計であり、検体は、グルコース、ヘモグロビン、アルブミン
、コレステロール及びエタノールからなる群から選択されてもよい。
【００１６】 本発明の目的及び利点は、添付の図面に関連して以下の説明を参照するとより
良く理解され、より容易に明白になるであろう。 図面は、一例として本発明の好ましい実施態様を示す。
【００１７】 ［発明の詳細な説明］ 上記のとおり、本発明は、非侵襲的方法で検体レベルを予測するための分光装
置を較正する方法に関する。本発明は、検査されるべきアイテムを通って投射さ
れる光源と、サンプルインタフェース機構と、光をその成分波長に分離する分光
計と、検出器と、増幅電子装置と、コンピュータとを有する典型的なＮＩＲ分光
光度計システムに使用することができる。光源と検出器との間の損失（吸収）を
測定し、適切なケモメトリック（数学的）技術を応用することにより、異なる化
学物質が、異なる波長で異なる量の光を吸収するため、検査されるべき化学物資
を非侵襲的に決定することができる。こうした分光光度装置及び方法は、米国特
許第５，３６１，７５８号に詳細に記載されており、その内容は本明細書に援用
する。本明細書は、現在のＮＩＲ測定に対する応用の主な分野の１つであるグル
コースの測定に主に関するが、本発明の原理は、各種の分光技術を使用して非侵
襲的に測定されるその他の検体に同等に適用されると考えられる。
【００１８】 ＮＩＲスペクトルをグルコース測定に使用するには、広いダイナミックレンジ
及び高い信号対雑音比を有し、散乱損失が低い分光計を使用する必要がある。分
光計からの出力は、吸光度及び波長の両方において高精密度でスペクトルを生成
するために使用される。著しいグルコース吸収帯域は、１．６７、２．１３、２
．２７及び２．３３μｍの波長付近に中心を有する（上記のSmall及びArnold著
「Data handling Issues for Near-Infrared Glucose Measurements」（近赤外
グルコース測定に関するデータ処理の問題）に記載されている）。これらの波長
の他に、０．９７及び１．１２μｍに著しいグルコース吸収帯域が存在し、これ
らの波長により、組織においてより長距離を通る透過測定を行うことができる。
ＮＩＲを使用して特定の化合物／検体を測定するには、ケモメトリックな数学的
分析を測定スペクトルに応用する。数学的分析技術は、結果として得られた複合
スペクトルを解釈できる高度なソフトウェアを備えたコンピュータにより行われ
る。
【００１９】 ＮＩＲ分光光度計を一般的に較正するには、比較的多数のサンプルについて、
当該化合物又は検体に関連する吸収を最初に測定しなければならない。次に、こ
れらＮＩＲ測定値と、より伝統的でより正確な侵襲的方法で得られた測定値とを
比較する。これらの比較から、被測定検体を特徴付けるアルゴリズムを作成する
。ＮＩＲ分光光度計のための較正モデルを生成するために使用される方法は複雑
である。重要な基準は、較正サンプルが他の化学種濃度と相関しないことである
。これらの基準を満たすのは、生物マトリックス又は成長媒体に一般に存在する
多数の化学種のため厄介である。
【００２０】 本発明は、先行技術の一般的な単一較正モデルよりも非常に高い正確度で様々
な異なるサンプルについて、血糖レベルのような生物マトリックスでの検体レベ
ルを予測できる分光装置に使用するための多重アルゴリズム較正方法を提供する
ものである。本発明の較正方法は、複数の異なるアルゴリズムの生成及び検体濃
度の正確な予測を生成するのに最も適するアルゴリズムの選択という２つの重要
な部分を有する。
【００２１】 適切な較正アルゴリズムを生成するには、先ず、多数の個人に関する非侵襲的
な基準測定データ集合をコンパイルする。データ集合のコンパイル後、非侵襲的
なスペクトル測定を基準グルコースレベルに関連付けるべく相関技術を実施する
。この段階では、個々の較正用データサンプルの適合性を考慮しなければならな
い。データ集合における非侵襲的なスペクトル測定値のいくつかによって、測定
機器がたとえばアナログ−ディジタル変換器の出力部において飽和状態になる場
合、このデータサンプルは、較正アルゴリズムに使用するのに適さない。同様に
、データ集合内の非侵襲的なスペクトル測定値の変動範囲が非常に小さい場合、
このデータサンプルも較正には適さない。さらに、特定データ集合でのグルコー
スの相関関係が、別の化学物質の濃度のように、別の変数に望ましくない状態で
相関する場合、このサンプルも不適格である。したがって、多数のサンプル集合
が、較正アルゴリズムの作成に適さなくなる。
【００２２】 較正に適するデータ集合（各々、特定の個人に特有）の異なるアルゴリズムへ
のグループ化、すなわち結合は、これらデータ集合を繰り返し結合し、この結合
されたデータ集合において新たな相関をなすことにより、試行錯誤的に惹起する
。結合集合の相関関係が特定基準を満たす場合、その結合は認められ、基準を満
たさない場合、異なる結合が試みられる。結合が認められるとみなされたら、さ
らにデータ集合の追加が試みられて、順に合否が決定される。こうして、十分に
多量のデータ集合が得られ、これらデータ集合から信頼できる較正アルゴリズム
を作成することができるまで、アルゴリズムに対するデータ集合の結合は２個の
データ集合から３個のデータ集合、４個のデータ集合という具合に増加する。
【００２３】 単一のアルゴリズムのためのデータ集合を結合させる場合、２つの基準が重要
である。第１に、他のパラメータとの結合データ集合群のグルコースの相関は、
最小化されなければならない。こうした望ましくない相関関係には、異なる化学
種の濃度又はその他の時間的に変化する数量が見られ得る。この基準に対する適
切な定量的試験は、相関係数Ｒｕ ２の二乗（望ましくない相関関係に対して）で
示される結合データ集合の望ましくないすべての相関関係が、Ｒｕ ２＜０．１０
のように特定の限度未満であることを確保することである。知られている方法で
は、相関係数Ｒｕ’は、一緒に変化すべき２つの変数の傾向を示す量である。デ
ータ集合の別のデータ集合又はデータ集合の適切な副結合への追加がこの基準を
充足しない場合、新しい結合は認められない。
【００２４】 さらに、データ集合の結合は、データ集合が互いに高度の相関関係を示すこと
を確保することで最適化されることができるため、データ集合の結合における第
２の基準は、特定の群内のデータ集合を互いに充分に相関させることを要求する
べきである。これは、たとえば、基準予測誤差（ＳＥＰ）が最小になり、基準グ
ルコースを予測グルコースに関連付ける勾配と共に相関係数の二乗、Ｒ２が、デ
ータ集合の既存の副次的結合に対して約０．８を超え、別のデータ集合がこの副
次的結合に潜在的に結合されることを確保することでなされ得る。
【００２５】 本発明の別法による実施態様では、較正アルゴリズム用のデータ集合群を連続
的に追加するか又は築き上げるのではなく、較正に適するデータ集合の大きい群
を最初に無作為に集める。この実施態様では、データ集合は群から除去され、上
記のＳＥＰ及び相関基準が再度評価される。このデータ集合を除去した後にＳＥ
Ｐ、勾配及び相関基準が改善する場合、このデータ集合を群から永久的に除去す
るが、基準が改善しない場合、このデータ集合を再び群に戻す。このトップダウ
ン法を使用する場合、データ集合の除去は、基準が許容可能な限度を満たした時
に終了することができる。
【００２６】 較正アルゴリズムのグループ（群）化（及び随伴する較正アルゴリズム）を決
定するためのＳＥＰ、勾配及び相関関係の計算は、データ量が増加するにつれて
ますます複雑になり、部分的最小二乗（ＰＬＳ）回帰分析を用いて行うことが好
ましい。ＰＬＳ分析技術は当業者には十分によく知れており、著しく冗長な情報
を除去することで良好な線形概算を提供する：概して、上記のSmall及びArnold
著「Data handling Issues for Near-Infrared Glucose Measurements」（近赤
外グルコース測定に関するデータ処理の問題）を参照。部分成分分析（ＰＣＡ）
又は人口神経網（ＡＮＮ）のような、その他のタイプの分析を使用しても良い。
【００２７】 この較正アルゴリズム生成過程は、少なくとも２種類のデータ集合群（個人の
群に対応する）を生成するために使用され、各々の群は、非侵襲的分光測定に基
づく生物マトリックスに存在する検体のレベルを予測するための較正モデル又は
アルゴリズムを提供する。好ましくは、２つの最初のデータ集合群が作成され、
この２つの群から追加の群が生成され得る。この追加の群は、最初の２つの群よ
りサイズが概して小さく、より厳格な相関基準に適合することができる。これら
追加の群は、上記のトップダウン法で構成され、データ集合は、除去後に相関基
準が改善するか又は悪化するかを決定すべく、最初の群から選択的に除去される
。
【００２８】 利用可能な多重較正アルゴリズムが与えられたりすると、いずれか所与の患者
又はサンプルの検体レベルを予測するのに最も適するアルゴリズムをこれらアル
ゴリズムから選択する必要がある。アルゴリズムを選択した後、選択したアルゴ
リズムを使って分光装置を較正する。アルゴリズム選択過程は、多重アルゴリズ
ムを生成するために使用される過程からは概して独立しており、明らかに、利用
可能な異なるアルゴリズムの数に依存する。
【００２９】 非侵襲的分光測定が行われるいずれかの所与の患者又はサンプルに対して、先
ず、高度に正確な基準測定値集合及びある期間について選択された間隔における
対応する非侵襲的スペクトル測定値をコンパイルする必要がある。好ましい実施
態様では、２つの連続する非侵襲的スペクトル測定値を測定間隔ごとに連続して
取り、その平均を当該間隔の１つの非侵襲的測定値として取る。
【００３０】 アルゴリズムの選択を開始する前に、患者に対する承認要件の厳格さを決定す
るために（つまり、利用可能な較正アルゴリズムの少なくとも１つが、ある患者
に適すると判明するかどうか）、２つの変数が設定され得る。これらは、（ｉ）
データ集合内のグルコース又は検体の変動範囲の下限（データは、有意に変動し
ない場合、有用である十分な情報を提供しない）、（ｉｉ）標準予測誤差（ＳＥ
Ｐ）に対する誤差上限（ＳＥＰｍａｘ）、つまり較正アルゴリズムで予測した検
体濃度値からの基準検体濃度を二乗した偏差の平均値の平方根である。
【００３１】 非侵襲的スペクトル測定値から、各々の較正アルゴリズムに従って、検体濃度
レベルの予測集合を計算する。濃度レベルの基準集合と比較した場合、各々の予
測集合は、グルコースレベルの変動範囲；勾配（理想的には１であり、つまり予
測値が基準値に直接対応する）；予測値の集合と基準値の集合との相関関係を定
義する相関係数Ｒ；及び上記で定義した標準予測誤差（ＳＥＰ）により特徴付け
られる線形回帰又は「最も適合する」線から計算される。相関係数Ｒは、予測検
体にオフセット又はバイアスが存在する場合を除いて、ＳＥＰが減少するにつれ
て増加し又はこの逆である点に注意する。
【００３２】 一例として、本発明の範囲を制限する意図はないが、アルゴリズム選択過程は
４つのレベル又はステップを含むことができる。第１レベルでは、アルゴリズム
の予測データ集合が以下の基準を満たす場合、 ｉ）ＳＥＰ＜誤差上限（ＳＥＰｍａｘ） ｉｉ）検体の範囲＞範囲の下限、及び ｉｉｉ）０．５＜勾配（回帰線の）＜１．０５ 以下の式により適合性スコアを計算する： スコア＝（勾配）（Ｒ２）／（ＳＥＰ） １つ以上のアルゴリズムが第１レベルの基準に適合する場合、最高の適合性スコ
アを有するアルゴリズムを選択して、選択過程は完了する。第１レベルの基準に
関してどのアルゴリズムも適格ではない場合、選択過程は第２レベルに進む。
【００３３】 第２レベルは第１レベルと同じだが、勾配基準は以下になる： ０．３３＜勾配（回帰線の）＜０．５ この修正勾配基準（並びにＳＥＰ及び範囲基準）に適合するアルゴリズムの場合
、第１レベルの場合のように適合性スコアを計算する。やはり、第２レベルで１
つ以上のアルゴリズムが適格である場合、最高のスコアを有するアルゴリズムを
選択して、選択過程は完了する。
【００３４】 第３レベルでは、第１レベル又は第２レベルのどちらかでどのアルゴリズムも
適格にならず、検体測定値の範囲が範囲の下限を超える場合、こうした状況では
、正確に較正が行われる頼りになる較正アルゴリズムが存在しないため、当該サ
ンプル又は患者を測定から除外する。
【００３５】 最後に、第４レベルでは、第１レベル又は第２レベルのどちらかでどのアルゴ
リズムも適格にならず、検体測定値の範囲が範囲の下限未満である場合、当該Ｓ
ＥＰが誤差の上限未満であれば、最低のＳＥＰを有するアルゴリズムを選択する
。ＳＥＰが誤差の上限を超える場合、やはり当該患者を測定から除外する。した
がって、第４レベルでは、ＳＥＰは、アルゴリズムが認められるかどうかを決定
する際の唯一の要素になる。
【００３６】 なお、上記の第１及び第２レベルにおける勾配基準限度は好ましい限度であり
、これらレベルは、適用及び承認要件に応じて多少変更され得る（範囲の下限及
び誤差上限と同様）。また、アルゴリズム選択過程に使用するレベル又はステッ
プの数も、全体の好ましい範囲をカバーする単一のレベルから、好ましい範囲を
２つ又はそれ以上の範囲限度又は範囲基準に再分割する２つ又はそれ以上のレベ
ルまで変更できる。しかし、レベルの数に関係なく、上記の第３レベル及び第４
レベルは、患者が除外されるか又はアルゴリズムを承認すべき決定がＳＥＰのみ
に基づいて行われる最後の２つのレベルに相当する。当業者には、選択するレベ
ル又はステップの数は好みの問題に過ぎないことが容易に分かるであろう。
【００３７】 本発明の原理を示すため、多くの異なる患者のグルコースレベルを測定するた
めのＮＩＲ分光光度計を較正すべく、多重アルゴリズム較正方法を使用した。す
べての基準データ測定値は、（侵襲的）血液サンプルにおいて正確なグルコース
測定値を与える業界標準のＹＳＩＴＭ（Yellow Springs Instruments）グルコー
ス分析器のようなグルコース分析器をもって取得された。本発明者は、上記の基
準が与えられたとして、較正の目的に適するのは、単一のＮＩＲ患者データ集合
の約６％にすぎないことを発見した。これらの較正に適するデータ集合は、最初
の２つの較正アルゴリズム集合群にまとめ、最初の群の各々は、その中に３３個
のデータ集合を有する１つの群に構成された。これら最初の２つの群から、１１
個の追加の群を分離して独立させ、これらの群の各々は、その中に少なくとも８
個のデータ集合を有していた。したがって、１３種類の異なる較正アルゴリズム
がグルコースレベルの予測に使用可能だった。
【００３８】 このアルゴリズムの選択は、３日間にわたって患者から得た合計２４の基準測
定値（つまり、ＹＳＩＴＭで測定）及び２つのＮＩＲ指測定値の２４の平均値を
基にした。上記のアルゴリズム選択過程は、多くの異なる患者（較正過程に関係
ない）について行った。
【００３９】 図１は、一般的な較正モデル（クワッド（ＱＵＡＤ）３７）に基づく多数の異
なる患者に対するグルコース予測の相関分散図である。図１の分散図は、Diabet
es Care（糖尿病の治療）１０：６２２〜６２８（１９８７年）に記載されてい
るClarke及びCox著「Error Grid Analysis」（誤差グリッド分析）に記載されて
いるClarke誤差グリッドに重ねられる。Clarke誤差グリッドは、対応する臨床判
断の有効性に基づいて測定の正確度を評価する５つの領域（Ａ〜Ｅ）に相関空間
を分割する。「Ａ」領域に分類される相関点は、実際のグルコースレベルと予測
グルコースレベルとの間の類似性（つまり、予測値は基準値から２０％しか逸脱
しない）に基づいて行われる正確な臨床判断に対応する。「Ｂ」領域では、予測
値は基準値から２０％を超えて逸脱するが、グルコースの予測レベルに基づいて
行われる治療の決定は、患者を危険にさらすか又は患者に悪影響を及ぼすことは
ない。領域「Ｃ」、「Ｄ」及び「Ｅ」では、予測は基準値から著しく逸脱し、こ
れらの予測に基づく治療の決定は多分に有害であり得る。Clarke誤差グリッドは
、試験室の基準装置により適しているより伝統的な分析方法とは対照的に、家庭
用血糖レベル監視装置の誤差による臨床上の結果を評価するために使用されるこ
とが多い。
【００４０】 図１を参照すると、この一般的な較正アルゴリズムの誤差上限ＳＥＰｍａｘは
３．０７ｍｍｏｌ／Ｌであり、かなりの量のデータが許容可能な限度又は領域外
にあることが見られ得る。これとは対照的に、図２は、本発明による多重アルゴ
リズム較正モデルに基づく２５人の患者に対するグルコース予測値の相関分散図
を示し、ＳＥＰｍａｘは２．７６ｍｍｏｌ／Ｌに等しい。同様に、図３は、本発
明による多重アルゴリズム較正モデルに基づく２２人の患者に関するグルコース
予測値の相関分散図を示し、ＳＥＰｍａｘは２．２８ｍｍｏｌ／Ｌに等しい。図
２、特に図３の予測値は共に、図１の予測値（一般的なアルゴリズムにより較正
）よりもはるかに良好な正確度を示す。
【００４１】 同様に、図４は、同じ一般的アルゴリズムにより較正した、典型的な患者に対
する相関データの集合を示し、図５は、本発明の多重アルゴリズムの方法により
較正された同じ患者に対する相関データを示す。やはり、本発明の較正方法に基
づくグルコース予測値の精度が改善したことは明らかである。
【００４２】 当業者には、本発明の原理を広範な分光用途に適用できることは明白である。
たとえば、ＮＩＲ輻射線は、通常はすべて不透明であると考えられる人体の組織
、血管又は乳腺のようなアイテムを貫通するために使用され得る。結果として得
られる吸収スペクトルの数学的分析は、光が貫通する物質の組成を決定する。し
たがって、血液試験所では、サンプルは、液体を収容しているプラスチック瓶に
光を通過させることにより、接触せずに検査され得る。同様に、日常の用途では
、ＮＩＲ光は乳房を通過し、乳脂肪、固体粒子及び乳酸塩のようなパラメータが
測定される。本発明の多重アルゴリズム法は、これらのタイプの非侵襲的測定に
も容易に拡張することができる。さらに、本発明の方法は、コレステロール、ヘ
モグロビン、Ｈｂ１Ａｃ、フルクトサミン及び１．５ＡＧのような、その他多数
の血液検体の非侵襲的測定にも適用することができる。
【００４３】 本発明の好ましい実施態様について説明してきたが、開示した実施態様は具体
的に示すためのものであって制限的ではなく、本発明は添付の請求の範囲により
定義されるべく意図される。
【図面の簡単な説明】
【図１】 一般的な単一の較正モデルに基づく多数の異なる患者に関するグルコース予測
の相関分散図である。
【図２】 本発明による多重アルゴリズム較正モデルに基づく多数の患者に関するグルコ
ース予測の相関分散図である。
【図３】 本発明による多重アルゴリズム較正モデルに基づく多数の患者に関するグルコ
ース予測のもう１つの相関分散図である。
【図４】 一般的な単一の相関モデルに基づく典型的な患者に関するグルコース予測の相
関分散図である。
【図５】 本発明による多重アルゴリズム較正モデルに基づく同一の典型的な患者に関す
るグルコース予測の相関分散図である。

Claims (11)

    【特許請求の範囲】
  1. 【請求項１】 サンプルにおける検体レベルの非侵襲的な測定を提供するた
    めの分光装置を較正する方法であって： （ａ）複数の較正アルゴリズムを提供するステップと； （ｂ）前記分光装置でもって前記サンプルの非侵襲的測定値集合を取得するス
    テップと； （ｃ）非侵襲的測定値集合に応答して各々の較正アルゴリズムに対する予測検
    体レベル集合を計算するステップであって、前記予測検体レベル集合の各々が、
    変動範囲、勾配、Ｒ２（前記非侵襲的測定値集合と前記予測検体レベル集合との
    間の相関関係の二乗）及び標準予測誤差により特徴付けられているステップと； （ｄ）各々の予測検体レベル集合に関する変動範囲、勾配、Ｒ２及び標準予測
    誤差に基づく適合性スコアを使用して適切な較正アルゴリズムを選択するステッ
    プとを含む方法。
  2. 【請求項２】 ステップ（ｄ）が、 （ｉ）標準予測誤差が誤差上限未満であり、変動範囲が範囲の下限を超え、勾
    配が勾配下限と勾配上限との間にあり、前記の勾配下限及び勾配上限が許容可能
    な勾配範囲を規定する予測検体レベル集合を選択するステップと； （ｉｉ）ステップ（ｉ）で選択された予測集合の各々について、当該予測集合
    に対する勾配、Ｒ２及び標準予測誤差に応答して適合性スコアを計算し、最適な
    （最高）適合性スコアを有する予測集合に対応する較正アルゴリズムを適切な較
    正アルゴリズムとして選択するステップと； （ｉｉｉ）ステップ（ｉ）で予測集合が選択されない場合、変動範囲が範囲の
    下限未満であり、標準予測誤差が誤差上限未満である予測検体レベル集合を選択
    するステップと； （ｉｖ）ステップ（ｉｉｉ）で選択された予測集合の各々から最も低い標準予
    測誤差を有する予測集合に対応する較正アルゴリズムを適切な較正アルゴリズム
    として選択するステップと； （ｖ）ステップ（ｉ）又はステップ（ｉｉｉ）で予測集合が選択されない場合
    、較正アルゴリズムが適切ではないと決定するステップとを含む、請求項１に記
    載の方法。
  3. 【請求項３】 前記許容可能な勾配範囲が、第１レベル及び１つ又は複数の
    次のレベルを含む複数のレベルに対応する複数の副次的範囲に再分割され、第１
    レベルで予測集合が選択されない場合、予測集合が選択されるか又は次のレベル
    がなくなるまで次の各レベルでステップ（ｉ）を繰り返す、請求項２に記載の方
    法。
  4. 【請求項４】 前記勾配下限が１未満であり、前記勾配上限が１を越える、
    請求項２に記載の方法。
  5. 【請求項５】 前記勾配下限が約０．３であり、前記勾配上限が約１．０５
    である、請求項４に記載の方法。
  6. 【請求項６】 前記許容可能な勾配範囲が約０．３の勾配下限及び約１．０
    ５の勾配上限により規定される、請求項３に記載の方法。
  7. 【請求項７】 ステップ（ａ）で得られた複数の較正アルゴリズムが、 （ｉ）多数のサンプル各々に対する検体レベル測定の非侵襲的な対応基準デー
    タ集合をコンパイルするステップと； （ｉｉ）較正に適さないデータ集合を拒絶するステップと； （ｉｉｉ）結合データ集合の相関関係が予め決められた規準に適合するかどう
    かに応じて較正に適するデータ集合を複数の群に結合するステップと； （ｉｖ）データ集合の各群に対する較正アルゴリズムを生成するステップとに
    より最初に生成される、請求項１に記載の方法。
  8. 【請求項８】 ステップ（ｉｉｉ）の予め決められた規準が、前記検体以外
    のパラメータをもって特定群の結合データ集合の相関関係を最小限にすることと
    、特定群のデータ集合間の相関関係を最大限にすることとを含む、請求項７に記
    載の方法。
  9. 【請求項９】 ステップ（ｉｉｉ）及び（ｉｖ）が部分的最小二乗回帰分析
    を使用して行われる、請求項７に記載の方法。
  10. 【請求項１０】 ステップ（ａ）、（ｃ）及び（ｄ）が前記分光装置に付随
    されたコンピュータで行われる、請求項７に記載の方法。
  11. 【請求項１１】 前記サンプルが個人の患者であり、前記分光装置が近赤外
    分光光度計であり、前記検体が、グルコース、ヘモグロビン、アルブミン、コレ
    ステロール及びエタノールからなる群から選択される、請求項１から１０のいず
    れか一項に記載の方法。
JP2001520085A 1999-08-31 2000-08-31 分光装置を較正する方法 Expired - Fee Related JP4636762B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15153699P 1999-08-31 1999-08-31
US60/151,536 1999-08-31
PCT/CA2000/001005 WO2001016579A1 (en) 1999-08-31 2000-08-31 Method of calibrating a spectroscopic device

Publications (2)

Publication Number Publication Date
JP2003508746A true JP2003508746A (ja) 2003-03-04
JP4636762B2 JP4636762B2 (ja) 2011-02-23

Family

ID=22539205

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2001520085A Expired - Fee Related JP4636762B2 (ja) 1999-08-31 2000-08-31 分光装置を較正する方法

Country Status (6)

Country Link
EP (1) EP1214579B1 (ja)
JP (1) JP4636762B2 (ja)
AT (1) ATE343125T1 (ja)
CA (1) CA2382113A1 (ja)
DE (1) DE60031427T2 (ja)
WO (1) WO2001016579A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007501028A (ja) * 2003-08-01 2007-01-25 デックスコム・インコーポレーテッド アナライトセンサデータの処理
JP2007523709A (ja) * 2004-02-26 2007-08-23 ダイアベティス ツールズ スウェーデン アーベー 被検者の健康に関連する状態を表示するための代謝監視、方法および装置
US8285354B2 (en) 2003-08-01 2012-10-09 Dexcom, Inc. System and methods for processing analyte sensor data
US8369919B2 (en) 2003-08-01 2013-02-05 Dexcom, Inc. Systems and methods for processing sensor data
US8886273B2 (en) 2003-08-01 2014-11-11 Dexcom, Inc. Analyte sensor
WO2021171831A1 (ja) * 2020-02-28 2021-09-02 ソニーグループ株式会社 生体情報取得デバイス、生体情報取得システム及び生体情報取得方法
JP7471486B2 (ja) 2019-11-26 2024-04-19 アイセンス，インコーポレーテッド 血糖値較正方法

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4054853B2 (ja) * 2000-10-17 2008-03-05 独立行政法人農業・食品産業技術総合研究機構 近赤外分光法を用いた血液分析法
US8010174B2 (en) 2003-08-22 2011-08-30 Dexcom, Inc. Systems and methods for replacing signal artifacts in a glucose sensor data stream
US8260393B2 (en) 2003-07-25 2012-09-04 Dexcom, Inc. Systems and methods for replacing signal data artifacts in a glucose sensor data stream
US7497827B2 (en) 2004-07-13 2009-03-03 Dexcom, Inc. Transcutaneous analyte sensor
US9282925B2 (en) 2002-02-12 2016-03-15 Dexcom, Inc. Systems and methods for replacing signal artifacts in a glucose sensor data stream
US7027848B2 (en) 2002-04-04 2006-04-11 Inlight Solutions, Inc. Apparatus and method for non-invasive spectroscopic measurement of analytes in tissue using a matched reference analyte
US7519408B2 (en) 2003-11-19 2009-04-14 Dexcom, Inc. Integrated receiver for continuous analyte sensor
US7774145B2 (en) 2003-08-01 2010-08-10 Dexcom, Inc. Transcutaneous analyte sensor
US20190357827A1 (en) 2003-08-01 2019-11-28 Dexcom, Inc. Analyte sensor
US8761856B2 (en) 2003-08-01 2014-06-24 Dexcom, Inc. System and methods for processing analyte sensor data
US7591801B2 (en) 2004-02-26 2009-09-22 Dexcom, Inc. Integrated delivery device for continuous glucose sensor
US7920906B2 (en) 2005-03-10 2011-04-05 Dexcom, Inc. System and methods for processing analyte sensor data for sensor calibration
US20140121989A1 (en) 2003-08-22 2014-05-01 Dexcom, Inc. Systems and methods for processing analyte sensor data
US9247900B2 (en) 2004-07-13 2016-02-02 Dexcom, Inc. Analyte sensor
US8364231B2 (en) 2006-10-04 2013-01-29 Dexcom, Inc. Analyte sensor
US11633133B2 (en) 2003-12-05 2023-04-25 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
US8774886B2 (en) 2006-10-04 2014-07-08 Dexcom, Inc. Analyte sensor
US8423114B2 (en) 2006-10-04 2013-04-16 Dexcom, Inc. Dual electrode system for a continuous analyte sensor
EP2316331B1 (en) 2003-12-09 2016-06-29 Dexcom, Inc. Signal processing for continuous analyte sensor
US8808228B2 (en) 2004-02-26 2014-08-19 Dexcom, Inc. Integrated medicament delivery device for use with continuous analyte sensor
US8565848B2 (en) 2004-07-13 2013-10-22 Dexcom, Inc. Transcutaneous analyte sensor
US8452368B2 (en) 2004-07-13 2013-05-28 Dexcom, Inc. Transcutaneous analyte sensor
CA2688184A1 (en) 2007-06-08 2008-12-18 Dexcom, Inc. Integrated medicament delivery device for use with continuous analyte sensor
EP2227132B1 (en) 2007-10-09 2023-03-08 DexCom, Inc. Integrated insulin delivery system with continuous glucose sensor
US8417312B2 (en) 2007-10-25 2013-04-09 Dexcom, Inc. Systems and methods for processing sensor data
US9143569B2 (en) 2008-02-21 2015-09-22 Dexcom, Inc. Systems and methods for processing, transmitting and displaying sensor data
EP2128599A1 (en) 2008-05-28 2009-12-02 Université de Liège Analysing spectral data for the selection of a calibration model
EP4374790A3 (en) 2009-04-30 2024-07-31 DexCom, Inc. Performance reports associated with continuous sensor data from multiple analysis time periods
US20110027453A1 (en) 2009-07-02 2011-02-03 Dexcom, Inc. Continuous analyte sensors and methods of making same
EP3575796B1 (en) 2011-04-15 2020-11-11 DexCom, Inc. Advanced analyte sensor calibration and error detection
CN105486658B (zh) * 2015-11-19 2018-09-28 江南大学 一种具有无测点温度补偿功能的近红外物性参数测量方法
CN105300923B (zh) * 2015-11-19 2018-02-13 江南大学 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法
EP3408772A1 (en) * 2016-01-25 2018-12-05 Prediktor Medical AS Estimating a substance concentration using multiple non-invasive sensors
CN106596456A (zh) * 2016-04-01 2017-04-26 南京理工大学 基于可变移动窗口选择溶液近红外光谱谱区的方法
DK3700416T3 (da) 2017-10-24 2024-09-30 Dexcom Inc På forhånd forbundne analytsensorer
US11331022B2 (en) 2017-10-24 2022-05-17 Dexcom, Inc. Pre-connected analyte sensors
GB2613032A (en) * 2021-11-23 2023-05-24 Rsp Systems As Calibration method and system

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02191434A (ja) * 1989-01-19 1990-07-27 Ketsuto Kagaku Kenkyusho:Kk 近赤外血糖値定量分析装置
JPH0447254A (ja) * 1990-06-15 1992-02-17 Snow Brand Milk Prod Co Ltd 近赤外線を用いて脱脂乳、牛乳、クリーム及びチーズの成分含量を測定する方法及び装置
JPH04190141A (ja) * 1989-09-18 1992-07-08 Univ Washington 水分含量を有する生物学的物質の分析方法
JPH0956702A (ja) * 1995-08-18 1997-03-04 Minolta Co Ltd 無侵襲血中成分濃度測定装置
JPH09281042A (ja) * 1996-04-18 1997-10-31 Yokogawa Electric Corp 近赤外分光分析計
JPH10500215A (ja) * 1994-05-18 1998-01-06 エカ ノーベル アクチェボラーグ パルプ及び紙中の作用化学薬品の量的測定の方法と手段
JPH1123467A (ja) * 1997-06-30 1999-01-29 Suzuki Motor Corp 蛍光量測定装置
JPH1164218A (ja) * 1997-08-26 1999-03-05 Matsushita Electric Works Ltd 体液成分の濃度の定量方法
WO1999034193A1 (en) * 1997-12-23 1999-07-08 Bureau Of Sugar Experiment Stations On-line measuring system and method
JPH11510604A (ja) * 1995-08-07 1999-09-14 ベーリンガー マンハイム コーポレーション ディスタンス・アウトライア検知を使用した生物学的流体分析

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5204532A (en) * 1989-01-19 1993-04-20 Futrex, Inc. Method for providing general calibration for near infrared instruments for measurement of blood glucose
ES2117126T3 (es) * 1992-05-27 1998-08-01 Ashland Oil Inc Metodo indirecto mejorado para determinar el contenido de oxigenatos utilizando espectros de absorcion de los infrarrojos proximos.
US5606164A (en) * 1996-01-16 1997-02-25 Boehringer Mannheim Corporation Method and apparatus for biological fluid analyte concentration measurement using generalized distance outlier detection

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02191434A (ja) * 1989-01-19 1990-07-27 Ketsuto Kagaku Kenkyusho:Kk 近赤外血糖値定量分析装置
JPH04190141A (ja) * 1989-09-18 1992-07-08 Univ Washington 水分含量を有する生物学的物質の分析方法
JPH0447254A (ja) * 1990-06-15 1992-02-17 Snow Brand Milk Prod Co Ltd 近赤外線を用いて脱脂乳、牛乳、クリーム及びチーズの成分含量を測定する方法及び装置
JPH10500215A (ja) * 1994-05-18 1998-01-06 エカ ノーベル アクチェボラーグ パルプ及び紙中の作用化学薬品の量的測定の方法と手段
JPH11510604A (ja) * 1995-08-07 1999-09-14 ベーリンガー マンハイム コーポレーション ディスタンス・アウトライア検知を使用した生物学的流体分析
JPH0956702A (ja) * 1995-08-18 1997-03-04 Minolta Co Ltd 無侵襲血中成分濃度測定装置
JPH09281042A (ja) * 1996-04-18 1997-10-31 Yokogawa Electric Corp 近赤外分光分析計
JPH1123467A (ja) * 1997-06-30 1999-01-29 Suzuki Motor Corp 蛍光量測定装置
JPH1164218A (ja) * 1997-08-26 1999-03-05 Matsushita Electric Works Ltd 体液成分の濃度の定量方法
WO1999034193A1 (en) * 1997-12-23 1999-07-08 Bureau Of Sugar Experiment Stations On-line measuring system and method

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SMALL GW, ARNOLD MA, MARQUARDT LA.: "Strategies for coupling digital filtering with partial least-squares regression: application to the", ANAL CHEM., vol. 65(22), JPN6010034327, 15 November 1993 (1993-11-15), pages 3279 - 89, ISSN: 0001753197 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8428679B2 (en) 2003-08-01 2013-04-23 Dexcom, Inc. System and methods for processing analyte sensor data
US8285354B2 (en) 2003-08-01 2012-10-09 Dexcom, Inc. System and methods for processing analyte sensor data
JP2007501028A (ja) * 2003-08-01 2007-01-25 デックスコム・インコーポレーテッド アナライトセンサデータの処理
JP2012016597A (ja) * 2003-08-01 2012-01-26 Dexcom Inc アナライトセンサデータの処理
US8588882B2 (en) 2003-08-01 2013-11-19 Dexcom, Inc. System and methods for processing analyte sensor data
US8290562B2 (en) 2003-08-01 2012-10-16 Dexcom, Inc. System and methods for processing analyte sensor data
US8332008B2 (en) 2003-08-01 2012-12-11 Dexcom, Inc. System and methods for processing analyte sensor data
JP2019181215A (ja) * 2003-08-01 2019-10-24 デックスコム・インコーポレーテッド 実質的に連続的なグルコースセンサからのデータを表示するシステムおよびシステムの作動方法、実質的に連続的なグルコースセンサシステム、連続的なグルコースセンサを初期化するコンピュータシステム、実質的に連続的なグルコースセンサを初期化するコンピュータシステムの作動方法、ならびに連続的なグルコースセンサからのデータを処理するシステム
JP2017074483A (ja) * 2003-08-01 2017-04-20 デックスコム・インコーポレーテッド 連続的グルコースセンサからのセンサデータを処理するためのコンピュータシステムおよびコンピュータシステムの作動方法、および連続的グルコースセンサシステム
US8886273B2 (en) 2003-08-01 2014-11-11 Dexcom, Inc. Analyte sensor
US8369919B2 (en) 2003-08-01 2013-02-05 Dexcom, Inc. Systems and methods for processing sensor data
JP2007523709A (ja) * 2004-02-26 2007-08-23 ダイアベティス ツールズ スウェーデン アーベー 被検者の健康に関連する状態を表示するための代謝監視、方法および装置
US9384324B2 (en) 2004-02-26 2016-07-05 Diabetes Tools Sweden Ab Metabolic monitoring, a method and apparatus for indicating a health-related condition of a subject
US7878975B2 (en) 2004-02-26 2011-02-01 Diabetes Tools Sweden Ab Metabolic monitoring, a method and apparatus for indicating a health-related condition of a subject
US8858435B2 (en) 2004-02-26 2014-10-14 Diabetes Tools Sweden Ab Metabolic monitoring, a method and apparatus for indicating a health-related condition of a subject
JP7471486B2 (ja) 2019-11-26 2024-04-19 アイセンス，インコーポレーテッド 血糖値較正方法
WO2021171831A1 (ja) * 2020-02-28 2021-09-02 ソニーグループ株式会社 生体情報取得デバイス、生体情報取得システム及び生体情報取得方法

Also Published As

Publication number Publication date
ATE343125T1 (de) 2006-11-15
JP4636762B2 (ja) 2011-02-23
CA2382113A1 (en) 2001-03-08
DE60031427D1 (de) 2006-11-30
DE60031427T2 (de) 2007-09-20
WO2001016579A1 (en) 2001-03-08
EP1214579A1 (en) 2002-06-19
EP1214579B1 (en) 2006-10-18

Similar Documents

Publication Publication Date Title
JP4636762B2 (ja) 分光装置を較正する方法
Delbeck et al. Non-invasive monitoring of blood glucose using optical methods for skin spectroscopy—Opportunities and recent advances
Maruo et al. In vivo noninvasive measurement of blood glucose by near-infrared diffuse-reflectance spectroscopy
US6919566B1 (en) Method of calibrating a spectroscopic device
Malin et al. Noninvasive prediction of glucose by near-infrared diffuse reflectance spectroscopy
US6393310B1 (en) Methods and systems for clinical analyte determination by visible and infrared spectroscopy
Hall et al. Near-infrared spectrophotometry: a new dimension in clinical chemistry
US8406839B2 (en) Method and apparatus for determining blood analytes
US20040015060A1 (en) Measurement of body compounds
JPWO2003079900A1 (ja) 非観血血液成分値測定装置及び方法
JP2002310908A (ja) 非侵襲性赤外分光法における多重スペクトル分析のための方法および装置
Parab et al. Backpropagation neural network-based machine learning model for prediction of blood urea and glucose in CKD patients
JP2008132335A (ja) 組織の光学特性によるグルコースの非浸襲的測定
JP6606082B2 (ja) グルコース濃度の定量方法及びグルコース濃度測定装置
WO2003010510A2 (en) Adjunct quantitative system and method for non-invasive measurement of in vivo analytes
US6615151B1 (en) Method for creating spectral instrument variation tolerance in calibration algorithms
JP2007117221A (ja) Ｆｔｉｒを用いた非侵襲血液検査「光人間ドックシステム」
Suryakala et al. Investigation of goodness of model data fit using PLSR and PCR regression models to determine informative wavelength band in NIR region for non-invasive blood glucose prediction
Uwadaira et al. Logistic regression analysis for identifying the factors affecting development of non-invasive blood glucose calibration model by near-infrared spectroscopy
KR100545730B1 (ko) 라만 분광법을 이용한 소변 성분 분석 시스템 및 그 방법
Vályi-Nagy et al. Application of near infrared spectroscopy to the determination of haemoglobin
Lam et al. Non-invasive blood glucose measurement by near infrared spectroscopy: Machine drift, time drift and physiological effect
Cheng et al. Non-invasive detection of total bilirubin based on multi-wavelength PPG signal
Ismail et al. Near infrared spectroscopy (NIRS) applications in medical: non-invasive and invasive leukemia screening
Castro-Pimentel et al. Three-wavelength PPG and support vector machine for non-invasive estimation of blood glucose

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7426

Effective date: 20020329

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20020329

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20070730

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20100527

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20100622

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20100921

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20101026

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20101122

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20131203

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees